Desempeño predictivo de R-INLA SPDE para el Mapeo Digital de Suelos

SUAREZ, FRANCO; BALZARINI, MONICA; GIANNINI-KURINA, FRANCA; MACCHIAVELLI, RAUL; PACCIORETTI, PABLO

Buenos Aires

Congreso; 13º Congreso Argentino de AgroInformática (CAI-2021); 2021

El mapeo digital de suelos (MDS) permite describir la variabilidadespacial de una propiedad edáfica a treves de modelos de predicción espacialque explican la relación que existe entre la variable de interés y covariables si-tio-especificas. Entre los modelos estadísticos más incipientes en aplicacionesde MDS está la regresión bayesiana ajustada con INLA (del inglés, IntegratedNested Laplace Approximation) y SPDE (del inglés, Stochastic Partial Diffe-rential Equation) para modelar la correlación espacial entre sitios del dominioespacial a mapear. En este trabajo, se evaluó la implementación de la regresiónBayesianas (RB) se ilustró con tres bases de datos espaciales de característicascontrastantes. Los resultados de la implementación con RB se compararon conotros dos algoritmos ampliamente utilizados en el MDS, Regresión Kriging(RK) y Random Forest con residuos krigeados (RF). Se evaluó el desempeñopredictivo de RB comparado con RK y RF según un diseño que propone por unlado variar la configuración de variables explicativas y por otro el número deobservación entrenando el modelo. Todos los predictores espaciales fueron efi-cientes para el mapeo. Las mejores configuraciones de variables explicativaslograron resultados exitosos en términos de errores de predicción global(